JetBrains rilis Mellum2, MoE 12B terbuka untuk beban kerja coding

JetBrains merilis Mellum2, model Mixture-of-Experts berukuran 12 miliar parameter yang mengaktifkan 2,5 miliar parameter per token. Modelnya open source di bawah lisensi Apache 2.0 dan menyasar teks dan kode, bukan multimodal. JetBrains menempatkannya sebagai komponen pembangun sistem AI, bukan pengganti Claude atau GPT, dengan kasus yang mereka sorot: routing prompt, pipeline retrieval, sub-agent planning, dan deployment mandiri untuk lingkungan yang melarang data keluar jaringan.

Klaim angkanya soal kecepatan inference. JetBrains menyebut inference lebih cepat dari 2x dibanding model open sekelas, dengan akurasi yang kompetitif di benchmark code, reasoning, sains, dan matematika. Jumlah active parameter yang menentukan beban: di 2,5B aktif, biaya runtime mendekati model dense kecil, sementara 12B total memberi ruang pengetahuan lebih luas untuk dirujuk. Rilisnya mencakup koleksi model di Hugging Face dan technical report di arXiv yang memuat detail pelatihan.

Cara JetBrains memframing rilis ini layak dibaca pelan. Mereka tidak mengklaim asisten umum kualitas frontier. Mereka bilang kalau kamu sedang merangkai coding agent multi-langkah, orchestrator dan sub-agent tidak perlu memakai model terpintar yang bisa kamu beli, dan MoE kecil yang cepat bisa mengisi peran itu lebih murah dengan latensi yang stabil.

Kenapa ini penting

Kalau kamu membangun coding agent, biaya panggilan loop kontrol di dalamnya sering jadi penentu sebuah fitur layak rilis atau tidak. Model berlisensi Apache yang bisa kamu self-host, jalan cepat, dan cukup baik untuk routing dan code review adalah komponen yang diam-diam menggeser unit economics. Layak diuji bandingkan dengan model kecil yang sekarang ada di stack kamu.